![](/images/graphics-bg.png)
Image classification based on enhancement of local binary pattern
Other Title(s)
تصنيف الصور استنادا إلى تحسين النمط الثنائي المحلي
Dissertant
Thesis advisor
University
Middle East University
Faculty
Faculty of Information Technology
Department
Computer Science Department
University Country
Jordan
Degree
Master
Degree Date
2018
Arabic Abstract
تصنيف الصور القائم على الخصائص المستخرجة من الصورة من خلال تجميع الصور إلى فئات، يلعب دورا هاما في تطبيقات الكمبيوتر المتعددة.
و قد تم عرض العديد من النهج لاستخراج الخصائص من الصور في الأدب النمط الثنائي المحلي ( LBP ) يعد واحد من الأكثر النهج شيوعا و ذلك لبساطتها الحسابية، وثباته للتغير في الإضاءة و موثوقيته في تصنيف الصور و ذلك لالتقاطة اغلب الخصائص المرئية الأساسية من الصورة.
بالرغم من ان النمط الثنائي المحلي لديه العديد من المزاياء فإنه مع ذلك، ينتج واصف بحجم طويل ( 8-بت ( لكل بكسل، بالاضافة الى حساسيته في ما يخص دوران الصور.
في هذه الأطروحة، تم اقتراح واصف جديد على أساس النمط الثنائي المحلي الأصلي، و الذي يدعى التقاطع القطري النمط الثنائي المحلي ( DILBP ) الذي يلتقط الخصائص الأولية للصور مثل الحواف و الزوايا، نهاية الخط، البقع، و المناطق المتجانسة و غيرها من الخصائص المحلية مثل خاصية الخطوط، و التي لم يتم تناولها في النمط الثنائي المحلي الأصلي.
يستخدم التقاطع القطري النمط الثنائي المحلي المقترح ( DILBP ) تقنية جديدة لتحليل الاختلافات في الكثافة بين بكسل المركز و البكسل المجاورة لها، من خلال مقارنة بكسل المركز مع زوج من البكسل المتقابلة في نفس القطر.
و نتيجة لذلك، يقلل الواصف المقترح DILBP من طول متجة الخاصية من 8 بت في النمط الثنائي المحلي الأصلي إلى 4 ديجت، الأمر الذي يؤدي إلى تقليل طول متجة الرسم البياني و بالتالي يؤدي إلى تقليل المساحة المطلوبة للخاصية المستخرجة من الصورة.
بالإضافة إلى ذلك، فإن الواصف المقترح DILBP له فوائد أخرى مثل الحفاظ على معلومات الصورة الثبات للتغيير في الإضاءة والدوران.
تم تنفيذ الواصف المقترح( DILBP ) ، و تقييمه باستخدام مجموعة بيانات صور مشاهد طبيعية Fifteen Scene Dataset بالاضافة الى مجموعتي بيانات عامتين هما مجموعة بيانات Outex TC12 و مجموعة بيانات CUReT.
يستخدم، شعاع الدعم الآلي ( SVM ) متعددة الطبقات في هذه الأطروحة لتصنيف و تمييز الصور.
أظهرت النتائج التجريبية على مجموعة بيانات Fifteen Scene dataset أن تحسين دقة الواصف المقترح DILBP مقارنة مع LBP الأصلي هي ما يقارب 1.5 و التحسين على CS-LBP هي ما يقارب 45.4%.
في مجموعة بيانات Cutex TC12، تحسين دقة الواصف المقترح DILBP مقارنة مع LBP الأصلي هي حوالي 3.8 في حين التحسين على CS-LBP حوالي 15.3%.
بينما مجموعة بيانات CUReT، تحسين دقة الواصف المقترح DILBP مقارنة مع CS-LBP هي حوالي %48.4، و لكنها أقل من LBP الأصلي بمعدل انخفاض تقريبا 2.9% و تقدم هذه الأطروحة استنتاجات و مقترحات من أجل تحسين الوصف المقترح في المستقبل.
English Abstract
Image classification based on feature extraction from the image, by grouping images into categories, plays an important role in various computer application.
Several approaches for extracting features from images have been presented in the literature.
Local Binary Patterns (LBP) is one of the most common approaches due to its computational simplicity, its invariance to illumination changes and its reliability in image classification because it captures most of the essential visual features of the image.
Although LBP has many advantages, however, it produces a large descriptor of 8-bits for each pixel and it is sensitive to image rotation.
In this thesis, a new descriptor is proposed based on the original LBP, which is called Diagonal Intersection Local Binary Pattern (DILBP) that captures primitive properties of images such as edges, corners, line-ends, spots, flat areas, and other local characteristics such as lines primitives, which have not been addressed in the original LBP.
The proposed Diagonal Intersection LBP (DILBP) uses a new technique to analyze the differences in intensity between the center pixel and its neighboring pixels, by comparing the center pixels with a pair of opposite pixels in the same diagonal.
As a result, DILBP descriptor reduces the length of feature vector from 8-bit in the original LBP to 4-digit, which in turn reduces the vector length of histogram and reduces storage requirements for feature extraction from the image.
Additionally, the proposed DILBP descriptor has other benefits such as maintaining image information, invariance to illumination change and rotation invariance.
The proposed DILBP descriptor has been implemented and evaluated using the Fifteen Scene dataset, in addition to two public texture datasets: Outex dataset and CUReT dataset.
Support Vector Machine (SVM) multi-class classifier is used in this thesis for classification purpose.
The experimental results over Fifteen Scene dataset showed that the accuracy enhancement of proposed DILBP descriptor compared to the original LBP is around 1.5% and the enhancement over the CS-LBP is around 45.4%.
In Outex TC 12 dataset, the accuracy enhancement of proposed DILBP descriptor compared to the original LBP is around 3.8% and the enhancement over the CS-LBP is around 15.3%.
While in CUReT dataset, the accuracy enhancement of proposed DILBP descriptor compared to the CS-LBP is around 48.4% but is lower than the original LBP at a decreased rate of 2.9%.
This thesis presents conclusions and suggestions for future enhancement of the proposed descriptor
Main Subjects
Information Technology and Computer Science
Topics
No. of Pages
91
Table of Contents
Table of contents.
Abstract.
Abstract in Arabic.
Chapter One : Introduction.
Chapter Two : Background and literature review.
Chapter Three : Proposed work.
Chapter Four : Implementation and results.
Chapter Five : Conclusion and future work.
References.
American Psychological Association (APA)
Sulayman, Ahmad Abd al-Hamid. (2018). Image classification based on enhancement of local binary pattern. (Master's theses Theses and Dissertations Master). Middle East University, Jordan
https://search.emarefa.net/detail/BIM-787154
Modern Language Association (MLA)
Sulayman, Ahmad Abd al-Hamid. Image classification based on enhancement of local binary pattern. (Master's theses Theses and Dissertations Master). Middle East University. (2018).
https://search.emarefa.net/detail/BIM-787154
American Medical Association (AMA)
Sulayman, Ahmad Abd al-Hamid. (2018). Image classification based on enhancement of local binary pattern. (Master's theses Theses and Dissertations Master). Middle East University, Jordan
https://search.emarefa.net/detail/BIM-787154
Language
English
Data Type
Arab Theses
Record ID
BIM-787154